Tensorflow 我是否正确使用了tf.get_variable（）？

我从中了解到，建议始终使用

tf.get_variable（…）

，尽管这在我尝试实现网络时似乎有点麻烦

例如：

def create_weights(shape, name = 'weights',\
                  initializer = tf.random_normal_initializer(0, 0.1)):
    weights = tf.get_variable(name, shape, initializer = initializer)
    print("weights created named: {}".format(weights.name))
    return(weights)

def LeNet(in_units, keep_prob):

    # define the network
    with tf.variable_scope("conv1"):
        conv1 = conv(in_units, create_weights([5, 5, 3, 32]), create_bias([32]))
        pool1 = maxpool(conv1)
    
    with tf.variable_scope("conv2"):
        conv2 = conv(pool1, create_weights([5, 5, 32, 64]), create_bias([64]))
        pool2 = maxpool(conv2)
    
    # reshape the network to feed it into the fully connected layers
    with tf.variable_scope("flatten"):
        flatten = tf.reshape(pool2, [-1, 1600])
        flatten = dropout(flatten, keep_prob)
    
    with tf.variable_scope("fc1"):
        fc1 = fc(flatten, create_weights([1600, 120]), biases = create_bias([120]))
        fc1 = dropout(fc1, keep_prob)
    
    with tf.variable_scope("fc2"):
        fc2 = fc(fc1, create_weights([120, 84]), biases = create_bias([84]))
    
    with tf.variable_scope("logits"):
        logits = fc(fc2, create_weights([84, 43]), biases = create_bias([43]))
        
    return(logits) 

每次调用

create\u weights

时，我都必须对tf\u variable\u scope（…）使用

，而且，如果我想将
conv1
变量的权重更改为
[7,7,3,32]
而不是
[5,5,3,32]
，我必须重新启动内核，因为变量已经存在。另一方面，如果我使用
tf.Variable（…）
我就不会有这些问题

我是否使用了
tf.variable\u scope（…）
错误？
似乎您无法更改变量作用域中已经存在的内容，因此只有在重新启动内核时，您才能更改以前定义的变量。（事实上，您创建了一个新变量，因为之前的变量已被删除）


这只是我的猜测……如果有人能给出详细的答案，我将不胜感激